Ascenso de colina colina (Hill Climbing) Climbing) Usan una técnica de mejoramiento iterativo. Comienzan a partir de un punto (punto actual) en el espacio de búsqueda. En cada iteración, un nuevo punto es seleccionado de la vecindad del punto actual. Si el nuevo punto es mejor, se transforma en punto actual, sino otro punto vecino es seleccionado y evaluado. El método termina cuando no hay mejorías, o cuando se alcanza un número predefinido de iteraciones. Los algoritmos de ascenso a colina son típicamente locales, ya que deciden qué hacer mirando únicamente a las consecuencias inmediatas de sus acciones. Pueden que nunca lleguen a encontrar una solución si son atrapados en estados que no son el objetivo, desde donde no se puede hallar mejo res estados, por ejemplo: 1. Un máximo local: Estado mejor que sus vecinos pero no es mejor que otros que están algo más alejados. 2. Una meseta: Es un espacio de búsqueda en el que todo un conjunto de estados vecinos tienen igual valor. 3.
Un risco: que es un tipo especial de máximo local, imposible de atravesar con movimientos simples.
Hay algunas formas que pueden ayudar a resolver estos problemas, aunque no existe garantía: 1.
Para evitar máximos locales, regresar a un estado anterior y explorar en una dirección diferente.
2.
Para casos de mesetas, dar un salto grande en alguna dirección y tratar de encontrar una nueva sección del espacio de estados.
3.
Para los riscos, aplicar dos o más reglas, antes de realizar una prueba del nuevo estado, esto equivale a moverse en varias direcciones a la vez.
En todos los casos anteriores, el algoritmo llega un punto más allá del cual no se logra ningún avance.
Cuando esto sucede es obvio que debe empezarse de nuevo en otro punto.
Y esto es justamente lo que hace con ascenso de cima con reinicio aleatorio, efectúa una serie de búsquedas de ascenso de cima desde estados iniciales generados aleatoriamente, hasta para o cuando no se logra ningún avance significativo.
Se guarda el mejor resultado que hasta un momento dado se haya obtenido en las diversas búsquedas.
Puede usar un número fijo de iteraciones, o puede continuar hasta que el mejor de los resultados almacenados no haya sido mejorado para cierta cantidad de iteraciones.
Los algoritmos de ascenso a colina, a pesar de explorar sólo un paso adelante, al examinar el nuevo estado pueden incluir una cierta cantidad de información global codificada en la función objetivo o función heurística
Ejemplo 1
Recorrer el grafo de la figura utilizando los algoritmos de búsqueda en GRAFO: Ascenso a Colina, teniendo en cuenta los costes indicados en cada ar co.
- En todos los casos, indicar en qué orden se visitan los nodos, distinguiendo nodos generados de nodos expandidos. Tomar como estado inicial el nodo S y como único estado meta el nodo G. - Se considera que los nodos se generan en orden lexicográfico. Naturalmente, cada arco del árbol de búsqueda a desarrollar, en cada c aso, estaría etiquetado con el coste que tiene en el grafo del enunciado. - Cada nodo del grafo tiene el valor heurístico descrito en el cuadro 1. n
S
A
B
C
D
E
F
G
Z
h(n)
8
2
3
5
4
6
6
0
1
Cuadro 1: Tabla de valores heurísticos
a) Ascenso a Colina, realizar árbol de búsqueda y explicar e n cada paso (resolviendo los empates en favor del nodo más a la izquierda = estrategia en profundidad)
Desarrollo Ascensión de colina f(n)= h(n)
Ejemplo 2
El algoritmo de búsqueda en Escalada elegirá, en cada paso, el nodo más prometedor considerando para ello, únicamente, el valor de la función heurística h. Se dice que el algoritmo de búsqueda en Escalada es un algoritmo que implementa una política irrevocable porque, después de cada expansión, escoge un único sucesor (resolviendo los empates en favor del nodo más a la Izquierda) y prosigue por él, desechando inmediatamente el resto.
Ejemplo 3
Función de evaluación Devuelve un número que representa como e stá de cerca un determinado estado de la solución, cuanto mayor sea el número se e stará cerca de la solución.
Ejemplo: juego 8-puzzle Establecer una función de evaluación
f(nodo)= # de casillas bien colocadas (maximización)
Representación por medio de grafo
A5
B6
C4
E5
F7
G6
H9
D4
I6
Diagrama de Flujo
INICIO
1
S= [ ] C = A = Edo. Inicial
A = [ ] ó A = objetivo
V
Termina la búsqueda con éxito (recorrer C)
F S = El sucesor de A de más alto valor
C = Almacenar trayectoria (hijo, padre)
V[S]>V[A]
V A = S
F
1
